基于核模式的高維數(shù)據(jù)挖掘算法的研究.pdf

1、由于在現(xiàn)實世界中存在著大量的高維數(shù)據(jù)，而這些高維數(shù)據(jù)與低維數(shù)據(jù)相比，在許多方面又表現(xiàn)出不同的特征，如果將用于低維數(shù)據(jù)的挖掘方法直接應用于高維數(shù)據(jù)，則可能會產(chǎn)生完全不同的結(jié)果，因此必須研究適合高維數(shù)據(jù)挖掘的理論和方法，這對于完善數(shù)據(jù)挖掘理論以及拓展數(shù)據(jù)挖掘的應用都有重要的意義。本文對于高維數(shù)據(jù)的研究集中于頻繁模式的挖掘上，主要圍繞頻繁模式挖掘方法、巨型模式挖掘算法及其應用進行研究，主要工作如下:
　　本文詳細介紹和分析了經(jīng)典的關聯(lián)規(guī)

2、則挖掘算法:Apriori算法和FP-growth算法。這兩種經(jīng)典的頻繁模式挖掘算法在一定程度上可以壓縮搜索空間減少計算量，提高頻繁項集逐層產(chǎn)生的效率。然而這類使用候選集漸增的增長策略的算法并不適用于高維數(shù)據(jù)挖掘。
　　本文對模式融合算法進行了詳細的分析。模式融合算法，通過合成少量較短的頻繁模式形成巨型模式候選，從而在模式搜索空間跳過大量的中型模式以便快速挖掘巨型模式。為了提高挖掘結(jié)果的正確率，本文提出了基于模式融合的巨型模式挖掘

3、算法。該算法是在模式融合算法基礎上改進種子模式選取方法，不是隨機抽取種子模式，而是選取與上一個抽取的種子模式模式距離較遠的模式，避免選取同一個巨型模式的核模式。實驗結(jié)果顯示，基于模式融合的巨型模式挖掘算法在運行時間和正確率上都有所提高，其挖掘結(jié)果與巨型模式完整集能較好近似。
　　最后，本文使用JAVA語言進行了巨型模式挖掘算法的應用系統(tǒng)的設計與實現(xiàn)。討論了巨型模式挖掘算法在人工合成數(shù)據(jù)集上的應用，并以mushroom數(shù)據(jù)為例介紹基